一致性哈希详解（Java实现分布式系统中的负载均衡与缓存一致性）

图：一致性哈希将节点和数据映射到同一个哈希环上

Java 实现一致性哈希

下面我们用 Java 编写一个简单的一致性哈希类。为了提高均匀性，我们还会引入“虚拟节点”（Virtual Nodes）技术——即每个物理节点对应多个哈希点。

import java.util.*;import java.security.MessageDigest;import java.security.NoSuchAlgorithmException;public class ConsistentHashing {    // 虚拟节点数量    private final int VIRTUAL_NODES = 160;        // 哈希环：TreeMap 自动排序    private TreeMap<Long, String> circle = new TreeMap<>();        // 添加物理节点    public void addNode(String node) {        for (int i = 0; i < VIRTUAL_NODES; i++) {            // 为每个虚拟节点生成唯一标识            String virtualNode = node + "#" + i;            long hash = hash(virtualNode);            circle.put(hash, node);        }    }        // 移除物理节点    public void removeNode(String node) {        for (int i = 0; i < VIRTUAL_NODES; i++) {            String virtualNode = node + "#" + i;            long hash = hash(virtualNode);            circle.remove(hash);        }    }        // 根据 key 获取对应的节点    public String getNode(String key) {        if (circle.isEmpty()) {            return null;        }        long hash = hash(key);                // 找到第一个大于等于 hash 的节点        Map.Entry<Long, String> entry = circle.ceilingEntry(hash);                // 如果没找到，说明 key 在环的末尾，顺时针回到开头        if (entry == null) {            entry = circle.firstEntry();        }                return entry.getValue();    }        // 使用 MD5 生成 32 位哈希值，取高 32 位作为 long    private long hash(String key) {        try {            MessageDigest md = MessageDigest.getInstance("MD5");            byte[] digest = md.digest(key.getBytes());                        // 将前 8 字节转换为 long（无符号处理）            long hash = 0;            for (int i = 0; i < 8; i++) {                hash = (hash << 8) | (digest[i] & 0xFF);            }            return hash < 0 ? -hash : hash; // 转为正数        } catch (NoSuchAlgorithmException e) {            throw new RuntimeException(e);        }    }}  

测试一致性哈希效果

下面是一个简单的测试用例，展示添加节点、查询 key 分配、以及节点变动时的影响范围：

public class TestConsistentHashing {    public static void main(String[] args) {        ConsistentHashing ch = new ConsistentHashing();                // 添加两个节点        ch.addNode("Server-A");        ch.addNode("Server-B");                // 测试几个 key        String[] keys = {"user:1001", "order:2002", "product:3003"};                System.out.println("初始分配：");        for (String key : keys) {            System.out.println(key + " => " + ch.getNode(key));        }                // 新增一个节点        ch.addNode("Server-C");                System.out.println("\n新增 Server-C 后：");        int changed = 0;        for (String key : keys) {            String oldNode = ch.getNode(key); // 注意：这里简化了，实际应记录旧值            System.out.println(key + " => " + oldNode);        }                // 实际项目中可统计迁移比例，通常远低于传统哈希    }}  

为什么一致性哈希适合分布式缓存？

在 分布式缓存 系统（如 Redis 集群）中，使用 一致性哈希 可以做到：

• 节点扩容/缩容时，仅影响相邻节点的数据，避免全量重哈希；
• 配合虚拟节点，使数据分布更均匀，避免热点问题；
• 提升系统可用性，减少因节点变动导致的缓存穿透风险。

总结

通过本教程，你已经掌握了 Java一致性哈希 的基本原理与实现方法。无论你是开发 负载均衡算法 还是构建 分布式缓存 系统，一致性哈希都是不可或缺的核心技术。建议你在实际项目中结合监控和动态扩缩容机制，进一步优化系统性能。

关键词回顾：一致性哈希、Java一致性哈希、分布式缓存、负载均衡算法。